数据分析和数据可视化

• 一、数据分析
• • ⭐前言:
  • 1、数据分析概述
  • 2、数据分析的常用工具
  • • ①numpy
    • ②matplotlib
    • ③pandas
  • 3.科学计算
  • • numpy之数组对象ndarray
    • numpy的基本操作
• 二、数据可视化
• • 1.数据可视化的概述
  • 2.pyplot绘图区域

一、数据分析

1、数据分析概述

数据分析指使用适当的统计分析方法对收集来的大量数据进行分析，从中提取有用的信息形成结论。

数据分析一般分为以下几步:

2、数据分析的常用工具

下面让我们一一介绍这三款数据分析工具的优势以及发展历程

matplotlib是最出色的绘图库，它可以于numpy一起使用实现数据可视化。

pandas建立于numpy之上，功能十分强大，不仅可以灵活地处理数据，而且可以实现数据可视化。这些模块需要安装

这里的IDE我的是:PyCharm

点击File-->settings-->Project-->Python Interpreter

或在终端界面输入命令行:

pip版本过低无法下载 更新pip

python -m pip install --upgrade pip

python -m pip install --user numpy matplotlib pandas

3.科学计算

numpy之数组对象ndarray

#1.导入numpy模块 并起别名
import numpy as np
'''
    通过arange函数可以创建一个等差数组
        例如 1 到 16 等差为2的整数
'''
#2.创建一个等差数组
array = np.arange(1,16,2)
print(array)

import numpy as np

array = np.array([1,3,5]) #创建一维数组
print(array)

#1.显示数组维度
print(array.ndim)
#2.打印数组在每个维度上的大小
print(array.shape)
#3.打印数组的总元素
print(array.size)

print("-"*50)

array2 = np.array([[1,3,5],[2,4,6]]) #创建二维数组
print(array2)
#数组维度
print(array2.ndim)
#数组每个维度的大小
print(array2.shape)
#数组中的元素个数
print(array2.size)

numpy的基本操作

#1.导入numpy模块
import numpy as np

#2.基本操作
arr = np.array([[1,2,3],[4,5,6]]) #创建2行3列的数组
print(arr)

new_arr = arr.reshape((3,2)) #返回维度为(3,2)的数组 3行2列
print(new_arr)

arr2 = arr.ravel() #降维打击 -- 二维降成一维数组
print(arr2)

print(arr.T) #数组进行轴交换
print("-"*50)
#3.numpy数组支持索引和切片操作
arr = np.arange(1,9).reshape((4,2)) #生成4行2列的数组
print(arr)

#3.1获取第2行的数据
print(arr[1])

#3.2切片操作 获取第1行 到 第3行的数据
print(arr[0:3]) #半闭半开区间 [0,3)

二、数据可视化

1.数据可视化的概述

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

随着数据仓库技术、网络技术、电子商务技术的发展，可视化涵盖了更广泛的内容，并产生数据可视化的概念。

人话就是: 将大量数据以图表的形式呈现

matplotlib是一个强大的绘图工具，提供了多种输出的格式，可以轻松帮助开发人员构建自己所需的图形。

其中matplotlib提供了一个子模块pyplot，该模块封装了Matlab命令时的绘图函数，更加诠释了面向对象语言的优势。

2.pyplot绘图区域

#1.引入模块
import matplotlib.pyplot as plt

#2.通过figure() 可以创建 Figure类对象 该对象代表新的绘图区域
plt.figure(figsize=(10,6),facecolor='green') #绘制尺寸为 10*6的绿色绘图区域 宽度和高度以英寸为单位
plt.show() # 显示绘图区域

这个时候就显示出绘图区域了，要想生活过得去，必须头上来点绿

#1.引入模块
import matplotlib.pyplot as plt

'''
    参数详解:
        rect参数表示坐标系与整个绘图区域的关系 取值可以为 left bottom width height
            默认范围都是[0,1]
        projection参数表示坐标轴的投影类型
        facecolor 参数 代表着背景色 默认white白色    
'''
plt.axes([0.1,0.5,0.7,0.3])
plt.show() #显示绘图区域

效果如下

#1.引入模块
import matplotlib.pyplot as plt

plt.subplots(2,2) #生成两行两列的绘图子区域
plt.show() #显示绘图区域

3.pyplot之图表与风格控制

参数说明:

• x和y参数用于接收x y轴所用到的数据，可以是列表或numpy数组
• fmt参数是可选的，用于控制组成线条的字符串 由颜色值字符、风格值字符和标识符字符组成
• 列举一些颜色

风格值

标记值

"""
    使用plot()函数分别绘制
        sin函数
        cos函数

"""
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi,np.pi,256,endpoint=True)
c,s = np.cos(x),np.sin(x)
#绘制正弦曲线 颜色为红色 线型为短虚线
plt.plot(x,s,"m:")
#绘制余弦曲线 颜色为绿色 线型为长虚线
plt.plot(x,c,"g--")

plt.show()

效果如下